【技术实现步骤摘要】
组卷模型训练及其组卷方法、装置及计算机存储介质
[0001]本专利技术实施例涉及教育互联网
,尤其涉及一种组卷模型训练及其组卷方法、装置及计算机存储介质。
技术介绍
[0002]在自适应学习中,面临的一个迫切需求是需要根据实际的教学和学习进度生成对应的试卷以检验学生的学习成果。而组卷的需求又是会经常性地发生变化,因为学习的知识点、难度进度自身是变化的,而所组的试卷也是需要根据新的进度进行针对性的调整。这就为老师和学生带来了非常大的负担和工作量,如果在自适应学习的产品中能够为教师或学生提供一个鲁棒性强且精度高的组卷方案,将能够显著提高教师和学生的学习体验,也能显著提高自适应学习的智能化程度。
[0003]现有的智能组卷技术所面临的主要问题是组卷算法的精度不高,且鲁棒性较差,且大都是采用遗传算法来进行组卷,而遗传算法面临的一个主要问题就是容易陷入局部最优解。虽然也有很多方案致力于解决遗传算法的局部最优解问题,但大多数方案还是没有能够较好地解决该问题。实际上,神经网络具有极强的表征能力和高准确度等优势,但目前还没有一种组卷方案采用神经网络来生成试卷。主要的原因来自于两个方面,一个是将智能组卷的参数和组卷结果适配到神经网络上的难度较大;另一个是缺乏充足的训练数据,因为现实世界中有效的试卷数量较少,难以保证神经网络能够得到充分地学习。
技术实现思路
[0004]有鉴于此,本专利技术实施例所解决的技术问题之一在于提供一种组卷模型训练及其组卷方法、装置及计算机存储介质,可以提升组卷结果的精度以及鲁棒性 ...
【技术保护点】
【技术特征摘要】
1.一种组卷模型训练方法,其特征在于,所述方法包括:基于预设组卷策略生成多组训练组卷参数;利用遗传算法对各组所述训练组卷参数分别生成多套训练试卷;构建组卷模型,其中,所述组卷模型的输入层包括多个基于所述多组训练组卷参数对应的所述预设组卷策略构建的组卷策略神经元,所述组卷模型的输出层包括多个基于各组所述训练组卷参数分别生成的多套所述训练试卷构建的训练神经元组;以及利用所述多组训练组卷参数以及与各组所述训练组卷参数分别对应的多套所述训练试卷训练构建的所述组卷模型。2.根据权利要求1所述的组卷模型训练方法,其特征在于,所述利用遗传算法对各组所述训练组卷参数分别生成多套训练试卷的步骤包括:针对第一组所述训练组卷参数生成第一套训练试卷;重复所述第一套训练试卷的生成过程,得到所述第一组训练组卷参数的多套所述训练试卷;以及重复针对所述第一组训练组卷参数的多套所述训练试卷的生成过程,得到每一组所述训练组卷参数的多套所述训练试卷;且其中,所述针对第一组所述训练组卷参数生成第一套训练试卷的步骤包括:根据所述第一组训练组卷参数随机生成初始试卷种群;对所述初始试卷种群依次执行交叉操作和变异操作,得到更新试卷种群;以及重复所述交叉操作与所述变异操作,对所述更新试卷种群进行迭代更新直至收敛,并从所述更新试卷种群中选取适应度值最大的个体作为所述训练组卷参数的第一套训练试卷。3.根据权利要求1所述的组卷模型训练方法,其特征在于,所述预设组卷策略包括以下元素中的至少一个:知识点重要程度、试题难度、题型。4.根据权利要求3所述的组卷模型训练方法,其特征在于,所述基于预设组卷策略生成多组训练组卷参数的步骤包括:生成所述预设组卷策略的第一组所述训练组卷参数;以及重复第一组所述训练组卷参数的生成过程,获得所述预设组卷策略的多组所述训练组卷参数;且其中,所述生成所述预设组卷策略的第一组所述训练组卷参数的步骤还包括:基于所述预设组卷策略中的第一元素随机生成第一元素向量列表,并基于所述第一元素向量列表生成第一单元组卷参数列表,其中,所述第一元素向量列表包含有所述第一元素中的多个第一子元素以及对应各所述第一子元素的不同赋值;基于所述预设组卷策略中的第二元素随机生成第二元素向量列表,并基于所述第二元素向量列表生成第二单元组卷参数列表,其中,所述第二元素向量列表包含有所述第二元素中的多个第二子元素以及对应各所述第二子元素的不同赋值;以及整合所述第一单元组卷参数列表与所述第二单元组卷参数列表,生成包含所述第一元素和所述第二元素的第一组所述训练组卷参数。5.根据权利要求4所述的组卷模型训练方法,其特征在于,所述构建组卷模型的步骤包括构建所述组卷模型的所述输入层的子步骤,所述子步骤包括:
基于所述预设组卷策略中的所述第一元素构建多个第一组卷策略神经元,以及基于所述预设组卷策略中的所述第二元素构建多个第二组卷策略神经元;以及获取所述第一元素中的各所述第一子元素的各所述赋值,据以设定各所述第一组卷策略神经元的参数值,以及获取所述第二元素中的各所述第二子元素的各所述赋值,据以设定各所述第二组卷策略神经元的参数值。6.根据权利要求5所述的组卷模型训练方法,其特征在于,所述构建组卷模型的步骤包括构建所述组卷模型的所述输出层的子步骤,所述子步骤包括:针对第一套所述训练试卷生成一个所述训练神经元组,其中,所述训练神经元组包含多个训练神经元及对应各所述训练神经...
【专利技术属性】
技术研发人员:何明,黄诚,
申请(专利权)人:北京易真学思教育科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。